基于大数据的IPTV视频评估模型

随着网络信息技术的发展以及"三网融合"的推进,交互式网络电视IPTV成为越来越多用户的选择,成为新媒体中的一支主力军,但快速发展的同时也面临着巨大的挑战。如何有效评估供应商提供的大量视频,选择符合用户需求的视频成为IPTV发展的关键问题。提出利用新媒体和传统媒体的视频大数据和IPTV历史收视大数据,在Spark平台上使用BP神经网络建立视频评估模型。基于新媒体和传统媒体从视频收视度、视频影响度和视频内容三个方面完善视频评估体系;基于IPTV历史收视大数据,建立反映IPTV受众群体喜好的视频隐式评分策略,使用BP神经网络构建视频评估模型;针对大数据的海量性,在Spark并行化平台上建立视频评估模型,实现数据的并行训练,完成模型的建立。实验结果证明,新的视频评估模型能从IPTV受众群体的角度有效评估视频,在Spark平台上进行评估模型的训练,能够有效提高大数据量的评估模型训练速度。

基于CVBC模型的网络视频企业价值评估探究——以哔哩哔哩为例

随着我国数字基础设施建设和服务能力的不断提升,网络视频行业发展迅速。但是网络视频行业的盈利模式和商业模式与传统企业存在很大的不同,传统的评估方法应用于网络视频企业存在一定的局限性。因此本文从用户价值角度出发,选用CVBC模型并对该模型的适用性以及不足之处进行改进,利用改进后的模型对案例企业进行评估,以期能够对网络视频类企业价值评估提供一定的理论参考。

面向IPTV的H.264高清编码视频质量评估

高清晰度视频质量能够有效提升IPTV的业务体验,但是高清视频对编码速率和网络条件的要求都很高。本文在IPTV环境下,基于H.264编码技术,对不同码率下的高清编码视频进行了主观质量评测,为在现阶段IPTV网络环境下开展高清视频业务提供有效的技术参考。

基于DEVA模型的互联网视频企业价值评估

现如今,5G技术的演进极大地推动了互联网视频企业的发展。由于互联网视频企业具有无形资产占比高、行业竞争压力大等特点,如何更准确地对其进行价值评估值得关注。文章通过用户属性、用户价值关系以及企业行业地位这三方面对传统的DEVA模型进行改进,并以爱奇艺为例进行案例分析,进一步对模型估值的准确性进行分析。研究结果表明,修正的DEVA模型相较于传统评估方法和传统的DEVA模型更适用于互联网视频企业,也更容易反映出企业的真实价值,同时,活跃用户量、单个用户价值和行业地位这些非财务因素对企业估值的影响较大。

H.264/AVC网络视频编码失真评估的比特流层模型

为了实现对采用H.264/AVC标准编码的网络视频质量的实时监测,提出一种评估视频编码质量的比特流层模型.该模型无需完全解码,只通过简单解析视频的量化参数、编码比特率以及运动矢量等信息评估视频流质量.首先,通过主观评估实验分析确定量化参数与视频编码失真的基本关系模型,然后利用量化参数和编码比特率预测视频的空间复杂度,利用运动矢量信息预测视频的时间复杂度,并结合空域掩盖效应和时域掩盖效应建立起一个能够反映人视觉特性的视频质量评估模型.实验结果表明,与解析码流的无参考网络视频质量评估模型相比,利用该模型得到的客观质量分数与主观质量分数的皮尔森相关系数提高了0.0160,均方根误差下降了0.0797.

网络视频质量包层评估模型研究

为了实现对网络视频质量的实时监测,提出一种包层视频质量评估模型。该模型无需对视频载荷信息进行解码,只通过分析视频包头信息评估网络视频的质量。首先,分析包头信息获取压缩码率、帧率、每帧编码比特数、丢包数目和丢包位置等信息,利用压缩码率和I帧的平均编码比特数预测视频内容的运动特性,在此基础上结合视频帧编码类型及视频内容运动特性预测视频流的编码失真和丢包失真并最终建立包层质量评估模型。实验结果表明,相比国际标准G.1070模型和G.1070增强模型中的视频质量评价方法,通过该模型得到的视频质量与视频主观质量的皮尔森相关系数分别平均提高了0.087和0.065,同时均方根误差降低了0.219和0.164。该模型具有良好的性能,可以准确地评价网络视频质量。

用于视频质量包层评估模型的帧类型检测方法

为提高视频质量包层评估模型的性能,提出了一种用于该模型的帧类型检测方法,该方法仅使用视频数据包头信息而无需对视频流进行解码.首先根据不同类型视频帧的特点,统计出不同类型视频帧的压缩数据量的规律,利用动态阈值法对滑动窗口内的每帧进行初步的帧类型估计;然后利用图像组的周期性对上一步估计的结果进行修正;最后应用Spearman秩相关系数判定B帧的预测结构.实验结果表明,与仅使用动态阈值的方法相比,该帧类型检测方法的平均准确率提高了20.04%.

基于预训练模型的FVD在非可见光视频质量评估的应用与改进

FVD是一种评估机器自动生成视频质量的评估指标,在可见光视频生成领域已经得到了较为广泛的应用。现有文献在计算FVD数值时,需要通过一个预训练模型提取视频数据的关键特征。然而,这个预训练模型是通过可见光视频数据集训练得到的,目前仍缺少对其在非可见光领域视频质量评估可行性的探索。为了研究FVD对非可见光视频生成的评估效果,本文基于I3D模型,使用非可见光领域数据集分别微调预训练模型和重新训练模型,采用红外和紫外视频数据集模拟出不同质量的生成视频,剖析FVD在非可见光视频质量评估的应用表现。

基于数字水印的无参考视频质量评估方法

提出了一种无参考视频质量评估的新方法,该方法在解码端无需原始参考视频序列,通过提取事先嵌入到压缩视频中的水印与收端本地存储的原始水印拷贝比较,从而实现对视频质量的评估.该方法不需要传送独立的测试视频序列,提高了信道的利用率,又保证视频质量评估的实时性.实验表明,评估的恢复视频的PSNR与实测的结果基本一致,可应用于无线和IP等视频业务的质量评估.

基于智能终端的视频通信业务服务质量评测模型研究

运营商正在发展基于智能终端的视频通信业务,分析了视频通信业务的服务质量特点以及影响视频通信服务质量的关键因素,在此基础上,对视频主客观质量评估方法进行了分析,建立了视频通信业务服务质量的评测模型并进行了实验室优化验证,为运营商有针对性地提升视频通信业务的服务质量,提供了终端产品测试依据和评估方法。

无线传感器网络中视频质量评估方法

视频在无线传感器网络传输,由于网络的不稳定,可能使视频质量受到一定的影响。在人类视觉模型的基础上,提出一个改进的无参考质量评估算法,直接通过收到的图像,判断视频质量的好坏。较之当前广泛使用的视频评估算法—媒体延迟指标而言,大大提高在网络丢包时,对于视频质量评估的准确性。评估结果接近人眼观察的效果,并且可以大规模投入使用,具有较强现实意义和商业使用价值。

IPTV视频质量监测系统的研究与实现

随着网络的发展和技术的进步,视频业务开始高速发展。视频业务的观看体验成为用户的满意度和活跃度的决定性因素。保证高清、快速、流畅的视频观看体验成为服务提供商防止用户流失的重要手段。介绍了IPTV视频质量的评估指标体系以及基于该指标体系建立的端到端IPTV视频质量监控系统,并介绍了该监控系统的综合架构及功能要求。该系统已经在中国联通部分省公司现网部署,通过该监控系统可以实现对IPTV视频业务的高效运维和业务监控。

基于自然语言处理的视频类数据安全风险评估方法研究

针对视频类数据安全风险评估问题,文章提出了一种基于自然语言处理的模型。该模型利用Transformer技术从视频数据中的语言和文字信息中提取特征,并进行安全风险评估,实现视频类数据资产的自动化、智能化和精准化的风险管理,从而帮助企业或个人更好地管控视频类数据资产的风险。通过实验验证了该模型的有效性和优越性,并与其他方法进行了对比分析,展示了该模型在视频类数据安全风险评估方面的应用价值和前景。

IPTV视频业务质量监测探讨

IPTV作为运营商的重要商用业务,其视频质量关乎IPTV业务的服务质量。介绍了IPTV视频质量的评估指标体系,以及结合某省的视频业务质量监测体系的部署实例,提出端到端的视频监测建议,通过该监控系统可以实现对IPTV视频业务的高效运维和业务监控。

基于目标检测仔猪乳头计数及乳房形态评估方法

母猪乳头数量是生猪选育中重要参考指标之一,也是生猪繁殖表型数据的组成部分。成年母猪其腹部视频较难获取,且容易受污渍干扰,乳头自动点数实现难度较大,人工计数母猪乳头数工作量大、强度高、效率低、容易产生人为误差。鉴于猪仔从出生到成年乳头数量保持一致性,该研究提出了一种基于仔猪腹部视频的深度学习乳头计数及乳房形态评估方法。通过架设在仔猪初生护理平台上的相机拍摄仔猪腹部视频,根据清晰度筛选出细节清晰的帧序列图像集,经过数据预处理再使用改进Pignip-YOLOv5s目标检测网络对仔猪乳头进行自动计数。为提高计数准确率,帧序列图像集的乳头计数使用滑动窗口取众数得到最终计数结果。试验结果表明,改进的Pignip-YOLOv5s平均精度值(mean average precision, mAP)高达0.97,较YOLOv5原模型具备更高的鲁棒性。该研究方案在113段仔猪腹部视频数据集上测试得到仔猪乳头计数方法准确率达90.26%。同时该研究提出仔猪乳房形态评估参数乳头成对数、乳头间距,从而量化仔猪乳头形态表型特征,构建了母猪乳房外在形态指标,可为母猪选育和繁殖工作提供重要的参考依据。

视频稳像模块模态分析及振动响应评估

利用UG NX7.5软件,建立了视频稳像模块的三维实体模型和装配有限元模型,进行了模态分析,在此基础上做了振动响应评估,得到了在不同载荷作用下关键件的位移和应力响应结果。由于采用整体建模,减少了假设条件,模型更符合实际情况,结果更为准确。分析验证表明,该模块在振动环境下能正常工作。

面向超高清视频质量评估方法的初探

随着超高清视频时代的到来,视频作为对物理世界的数字还原,持续向更高清的画质和更实时的交互的目标演进。本文从第一性原理出发,分析了影响超高清视频质量的底层关键因素,介绍了ITU(国际电信联盟)最新的超高清流媒体视频质量评估方法,并对该评估方法进行了初步探索。结合笔者的工作实践提出一个面向机顶盒的超高清视频质量评估方法。

浅谈基于视频识别的交通事件检测算法性能评估

视频识别技术作为整个智能交通系统的重要技术支撑,目前已经得到了广泛应用。基于视频识别技术的道路综合执法监测系统,能够对道路中的车辆进行检测分析,既可以抓拍车辆交通违法行为,也可以实时监测交通流量、道路拥堵及事故异常情况。本文从多个角度阐述视频识别中常见的一些评估指标,并分析适用于综合交通事件类型不平衡情况的一些常用指标和方法。

P2P-IPTV模型中一种可管理的P2P方案

IPTV及存在的不足 随着宽带网络的迅猛发展和数字视频压缩技术的突破，在IP网络上传输丰富多彩的影视节目成为可能，使网络用户通过电脑便能收看到丰富的电视节目或点播电影，电视用户通过机顶盒（STB，Set-Top-Box）便能收看交互电视（ITV，Inter-active TV）、时移电视或进行个人视频录制（PVR，Personal Video Recording）等。

索贝明眸语言模型通过国家生成式人工智能服务备案

近日,根据《生成式人工智能服务管理暂行办法》,成都索贝数码科技股份有限公司(以下简称索贝)的“明眸大模型”通过备案。索贝明眸语言模型是面向媒体、文旅、教育等行业领域的大模型,应用框架的核心包含语义检索(Retrieving)、理解生成(Reading)和推理调度(Reasoning)三大引擎模块,搭载了原生的事实核查算法,可实现领域知识高效注入,并且具备自我评估及调度能力,可适用于AI数字人交互、专业系统智能辅助、新闻稿件生成和视频节目脚本创作等多种形式的内容。